指标异动归因分析

在相对完善的指标体系建设背景下，我们需要通过指标以及指标波动的解读来描述、追踪、推动业务。当一个指标波动时，我们首先需要从业务视角判断其波动是否异常，即异动检测，其次判断异常背后的原因是什么，即异动归因。指标拆解是常用的归因方法。指标拆解首要做的就是找到各种拆解方法的贡献度。

加法拆解

针对绝对值指标的维度拆解都是加法拆解。绝对量指标的同比/环比变化，就是各个分指标变化的加权求和，例如访问uv总和等于各渠道uv加总， 那么总uv的变化下钻贡献率等于各渠道分别的变化除以上个月的总uv数。或者我们能从分指标的趋势图直观发现与总体指标变化趋势相似的局部就是关键因素。

乘法拆解

举例，GMV=下单人数*人均客单价，两边同时取对数ln，即可得到加法形式，然后再按照类似方法得到各因子的贡献度。所以最终就是比较哪个因子的前后比率大，贡献度就大。

比率型指标拆解 

 比率型指标变化有两种情况：一是分项的比率变化，二是分项在总体中的结构变化。第一种变化比较容易从分项的趋势线中看出，有和大盘明显的变化趋势的分项就是问题所在；当分项没有明显变化时，就要考虑第二种情况，分析下对大盘指标有比较大影响的分项在总体中的占比是否发生改变，如果改变比较大那就找到了。

如果两者都有发生变化，那就要计算影响程度，一般假设比率或占比不变的情况下，代入另一项比较与原来的整体比率差值，看谁的影响大。